作者 | 邵 青 教育管理学博士、旅美学者、企业家
现代社会有一种奇怪的分工。我们研究疾病如何治疗，战争如何避免，贫困如何消除，经济如何增长，教育如何改善，却很少系统追问一个更基础的问题：人类进步本身究竟是怎样发生的？
这个问题看似宏大，实际非常具体。为什么有些时代发明密集，有些时代思想停滞？为什么有些城市、实验室、大学和企业会连续产生突破，而另一些组织投入巨大却只能持续产生平庸？为什么科学家越来越多、论文越来越多、设备越来越先进，真正改变世界的发现反而显得稀少？如果进步不是自然发生的，我们有没有可能更有意识地加快它？
2019 年，经济学家 Tyler Cowen 和 Stripe 创始人 Patrick Collison 在《大西洋月刊》发表《我们需要一门进步的新科学》，正式提出“进步研究”（Progress Studies）这一概念。他们的判断很直接：过去两百年，科学、技术、经济、组织和文化进步极大改善了人类生活，但人类并没有形成一门专门研究“进步如何发生、如何加速发生”的学问。
这不是一个普通学术倡议。它背后隐藏着一种不安：现代社会可能已经越来越擅长管理进步的成果，却越来越不懂得制造进步本身。
进步曾经像一种历史常识。蒸汽机、电力、内燃机、抗生素、飞机、电话、计算机、互联网，现代人习惯于把这些突破看作技术文明自然推进的结果。只要教育扩张、科研投入增加、市场保持活力，进步似乎就会自动到来。
但数据并不支持这种轻松愉快的理想信念。Nicholas Bloom、Charles Jones、John Van Reenen 和 Michael Webb 在 American Economic Review 发表的研究表明，许多领域的研究投入急剧上升，而研究生产率却在持续下降。为了让芯片密度继续按照摩尔定律翻番，今天所需研究人员数量已超过 1970 年代早期的 18 倍。换言之，我们不是没有投入，而是越来越多投入只能换来同等幅度的进步。
这比“增长放缓”更值得警惕。增长放缓可以被解释为周期问题、金融问题或政策问题；研究生产率下降则指向更深层的文明成本：发现新知识正在变贵，突破前沿正在变难，创新体系正在消耗更多资源才能维持原有速度。
另一项更大规模的研究给出了类似信号。Michael Park、Erin Leahey 和 Russell Funk 分析 4500 万篇论文和 390 万项专利后发现，过去几十年，科学论文和技术专利越来越少表现出“颠覆性”特征。知识产出数量激增，但真正打破旧方向、开辟新道路的成果比例下降。这一现象并不局限于某个学科，而是广泛存在于科学与技术领域。
这意味着，问题不只是“低垂果实被摘完了”。如果只是容易的问题已被解决，那么人类只能接受边际回报递减。但还有另一种可能：我们的制度正在把研究者推向更安全、更可发表、更容易获得资助的方向，却不再鼓励他们冒险进入无人区。
这正是进步研究试图打开的空间。它不是简单怀旧，也不是把过去的发明时代浪漫化。它真正关心的是进步的生产机制：什么样的人才结构、资助制度、组织方式、城市环境、文化气质和风险承受能力，更容易催生重大突破？
Cowen 和 Collison 说，进步研究更像医学，而不是生物学。生物学研究生命如何运作，医学则关心如何治疗。进步研究同样如此：它当然需要理解进步的历史机制，但它不能止步于解释。它最终要寻找能够促进进步的干预措施，并推动大学、基金会、企业、政府和社会组织采用这些措施。
这句话很关键。进步研究不是一门旁观者的学问，而是一门带有实践意图的学问。它不满足于写一部“发明史”或“科学史”，而是要问：为什么贝尔实验室能产生晶体管、激光、信息论和 Unix？为什么二十世纪中叶的美国能同时推动核能、航天、半导体、生物医学和计算机？为什么文艺复兴的佛罗伦萨、十九世纪末的维也纳、二十世纪的剑桥和硅谷，会在某些阶段形成异常密集的创造力？
这些问题背后并不是天才崇拜。天才当然重要，但天才从不孤立出现。一个时代如果能连续产生突破，往往说明它具备某种“进步生态”：充足资金、长期耐心、宽松试错、跨学科交流、声誉激励、工程能力、产业吸收能力，以及一种相信未来可以被改善的文明气质。进步研究要做的，正是要有把这些要素从历史偶然中提取出来历史担当。
这里有几个关键线索值得探讨。
第一个线索是“知识负担”。Benjamin Jones 早就指出，随着知识总量增加，研究者要抵达前沿所需学习时间越来越长。博士训练延长，专业分工加深，团队合作扩大，单个“文艺复兴式人物”越来越难独自横跨多个领域。现代科学不是没有人才，而是人才越来越晚才能站到前沿；等他站到那里，真正可用于原创探索的时间反而被压缩。
第二个线索是“低垂果实”。早期科学和技术革命确实拥有许多容易摘取的成果。基础物理、化学、电气工程、公共卫生和工业制造中的许多大突破，一旦被发现，就能产生巨大外溢效应。今天，许多前沿问题更复杂，需要更昂贵设备、更庞大团队、更长验证周期。创新仍在发生，但每一步都更沉重。
第三个线索是“激励扭曲”。现代科研越来越依赖论文数量、引用率、影响因子、基金申请和短周期评估。这样的制度有助于提高透明度和可管理性，却可能严重压低真正冒险的研究。高风险方向很难提前承诺成果，不容易写成漂亮申请书，也不一定能快速发表。于是，最聪明的人可能被引导去做更容易被计量的事，而不是更值得被冒险的事。
第四个线索是“组织形态”。贝尔实验室之所以令人着迷，不是因为它拥有某个单一秘诀，而是因为它在一个特殊历史条件下，把长期资金、工程问题、基础科学、跨学科人才和产业需求连接在一起。它既不是纯大学，也不是普通企业研发部门；既追求基础突破，又面对真实工程约束。今天的问题不是能不能简单复制贝尔实验室，而是我们是否还能创造类似的长期研究空间。
该图片使用了AI生成技术
进步研究的真正价值，正在于它把这些问题重新放到同一张桌子上。过去，经济学研究增长，科学史研究发现，创新管理研究企业，公共政策研究资助，教育学研究人才培养。这些研究各有贡献，却很少共同围绕一个问题展开：怎样让社会更稳定、更高频率地产生重要进步？
当然，进步研究本身也有局限。它带有明显的英美语境，尤其关心美国创新体系在 1970 年代之后是否出现停滞。它的支持者多来自经济学、科技产业、自由主义政策圈和硅谷文化，天然偏重科技、增长和制度创新。批评者因此质疑：它是否过于迷信技术？是否低估不平等、环境代价和权力结构？所谓“进步”，究竟是谁的进步，又由谁来定义？
这些批评不能轻易绕过。进步如果只意味着 GDP、专利、论文和技术扩张，就会变成狭窄的生产力崇拜。真正有价值的进步必须同时包含寿命、健康、知识、自由、安全、尊严、生态可持续，以及普通人生活机会的扩大。技术进步不是天然善，制度和价值选择决定了它最终服务谁、伤害谁、释放什么、牺牲什么。
但这并不构成否定进步研究的理由，反而说明它必须被扩展。进步研究不应只是“怎样更快发明”，还应包括“怎样判断哪些发明值得加快”；不应只是研究供给侧创新，还应研究进步如何被公平吸收；不应只是追求速度，还应研究速度、方向和代价之间的平衡。
对中文世界而言，进步研究尤其值得关注。中国过去四十多年完成了极其罕见的高速追赶。这个过程主要依赖开放、学习、引进、模仿、改良、工程化、产业配套和规模优势。追赶阶段有清晰目标：别人已经做出来的东西，我们要更快、更便宜、更大规模地做出来。
但接近前沿之后，问题变了。前沿没有标准答案，也没有现成路线图。追赶靠学习能力，原创靠问题定义能力；追赶靠效率，原创靠冒险；追赶靠组织动员，原创还需要自由探索；追赶可以用确定性目标管理，突破往往来自不确定方向。
这正是中国科研和产业体系正在面对的转折。我们并不缺论文数量，不缺工程师，不缺市场规模，也不缺政策动员能力。更困难的问题反而是，如何形成真正能容纳长期主义、跨学科探索、高风险失败和非共识判断的制度环境？如何让最优秀的人不是只去追逐热门赛道，而是敢于进入短期不被理解的领域？如何从“完成任务的科研”走向“提出新问题的科研”？
进步研究可以为这个转折提供一个重要视角。它提醒我们，创新不是口号，也不是简单增加经费。经费当然重要，但经费如果进入错误激励结构，只会放大平庸。人才当然重要，但人才如果被评价体系束缚，只会更高效地生产安全成果。产业当然重要，但产业如果只追逐短期应用，也可能错过下一代底层突破。
真正需要研究的是“进步的条件”。一个社会怎样安排失败？怎样奖励长期贡献？怎样保护少数派问题意识？怎样让大学、企业、政府实验室、资本和市场形成互补，而不是互相扭曲？怎样让基础科学与工程应用之间保持流动，而不是各自封闭？这些问题比“投多少钱”“发多少论文”“建多少平台”更根本。
今天谈进步研究，还有一个新变量：AI。大模型和智能体系统可能改变知识生产本身。它们可以帮助阅读文献、生成代码、设计实验、处理数据、提出假设，降低跨学科学习成本，也可能缓解“知识负担”问题。但它们也可能制造新的平庸：更多自动生成的论文、更多低成本重复、更多看似创新的组合式表达。AI 能否重新提高研究生产率，取决于它是否被嵌入正确的科研制度，而不是单纯取决于模型能力。
因此，进步研究在 AI 时代反而更加重要。因为当知识生产工具突然变强，决定未来的就不只是工具本身，而是谁能把工具导向真正重要的问题。AI 可以加速研究，但它不会自动告诉我们什么值得研究；AI 可以降低试错成本，但它不会自动建立容忍失败的制度；AI 可以扩大创造力入口，但它也可能扩大噪音。进步的瓶颈，最终仍会回到人、组织、制度和文化。
也许，我们过去太习惯把进步看作背景，把危机看作前景。疾病、战争、贫困、衰退、老龄化、能源、气候，都是明确问题；而进步本身似乎只是解决问题之后自然出现的结果。但历史恰恰相反：没有持续进步，所有问题都会变得更难；有了持续进步，许多绝望问题才会获得新的解法。
进步不是自动发生的。它需要被理解、被组织、被激励，也需要被约束、被校正、被赋予方向。一个社会如果只消费过去进步的红利，却不研究进步如何再生，迟早会陷入一种高级停滞：看起来繁忙，实际上重复；看起来产出巨大，实际上突破稀少；看起来资源充足，实际上想象力贫乏。
进步研究最有价值的地方，不是创造了一个新标签，而是重新提出了一个被现代社会遗忘的问题：我们究竟怎样才能继续变好？
这个问题没有现成答案。但承认它是一个需要被系统研究的问题，本身就是重新开始进步的进步意识。
参考文献：
Bhattacharya, J., & Packalen, M. (2020). Stagnation and scientific incentives (NBER Working Paper No. 26752). National Bureau of Economic Research. https://doi.org/10.3386/w26752
Bloom, N., Jones, C. I., Van Reenen, J., & Webb, M. (2020). Are ideas getting harder to find? American Economic Review, 110(4), 1104–1144. https://doi.org/10.1257/aer.20180338
Collison, P., & Cowen, T. (2019, July 30). We need a new science of progress. The Atlantic. https://www.theatlantic.com/science/archive/2019/07/we-need-new-science-progress/594946/
Cowen, T. (2011). The great stagnation: How America ate all the low-hanging fruit of modern history, got sick, and will eventually feel better. Dutton.
Jones, B. F. (2009). The burden of knowledge and the “death of the Renaissance man”: Is innovation getting harder? The Review of Economic Studies, 76(1), 283–317. https://doi.org/10.1111/j.1467-937X.2008.00531.x
Park, M., Leahey, E., & Funk, R. J. (2023). Papers and patents are becoming less disruptive over time. Nature, 613(7942), 138–144. https://doi.org/10.1038/s41586-022-05543-x